基于arousal-valence情感模型的表情识别研究

《基于arousal-valence情感模型的表情识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、德《少凌４？ＴＹＯｆＰ）ＬＭＭＵＮＩＣＡＴＫ）化ＶＣＨＯＮＧＩＮＧＩＶＥＲＳＩＯＳ巧ＡＭＴＣＥＣＯＱＵＮ石巧±兽恆巧交ＭＡＳＴＥ民ＡＬＴＨＥＳＩＳ－ｏｕｓａｌＶａ基于Ａｒｌｅｎｃｅ巧感模Ｍ的表情识别硏究黄文波作者姓名计實机技术学科专业杨勇副教授指导教师答辩日期２０１６．５．２８分类号TP391.4密级公开UDC004.93学位论文编号D-10617-30852-(2016)-02015重庆邮电大学硕士学位论文中文题目基于Arousal-

2、Valence情感模型的表情识别研究英文题目FacialEmotionRecognitionBasedonArousal-ValenceEmotionModel学号S130231015姓名黄文波学位类别工程硕士学科专业计算机技术指导教师杨勇副教授完成日期2016年4月5日独创性声明本人声明所里交的学位论文是本人在哥师指诗下进行的研％工作及取巧的研巧成果。尽巧所知，除了文中特别加标注和致谢的地方外，论文中不包含他人己经发巧或撰写过的研巧成果，怕不巧含如靴得巧巧邮南大学或其他单位的学位或证书而使

3、用过的材料一己在。与我同Ｘ作的人巧对本文硏巧做出的巧献巧论文中作了明确的说明并致谢意。作者签名月；曰期；年学位论文版权使用授权书本人完全了解巧庆邮电大学有权保留、使用学位论文纸质版和电子版的规定，即学校有权向国家有关部口或机构送交论文，允许论文被査阅和借阅等。龙人巧权重庆邮电大学可公布本学位论义的令部或部分内巧，可编入有关数据库或信息系统进行检索、分析或评价－可Ｗ采用敗巧、缩印、扫描或巧贝等复制手段保存、汇编本学位论文，（注；保密的学位论文在解密巧适用本授权书。）

4、：导师签名作者签名：＂－－日期；年月日期；碱巧＾。］？７重庆邮电大学硕士学位论文摘要摘要随着人工智能的发展，计算机在未来不但会具有智商，而且还会具有情商。使计算机拥有情感的情感计算近年来已得到越来越多的关注。其中，面部表情识别已成为情感计算领域的研究热点。本文基于Arousal-Valence连续情感模型和回归方法对表情识别进行研究，重点研究了如何利用Arousal和Valence维度之间的相关性来提高回归的效果。首先，本文从心理学的角度对Arousal-Valence模型中Arousal维度和

5、Valence维度之间的相关性进行了分析，并用统计学方法对AVEC2013、NVIE和Recola三个数据集进行研究，实验结果表明它们之间具有正相关关系。为了利用Arousal-Valence之间的相关性，本文采用多输出支持向量回归算法(MultipleDimensionalOutputSupportVectorRegression,MSVR)作为表情的训练和预测算法，并结合特征融合和决策融合提出了一种基于MSVR的两层融合表情识别方法。对比实验结果表明该方法比传统的支持向量回归、相关向量回归算法和传统的特

6、征融合方法能取得更好的识别效果。其次，为了提取更好的面部表情特征和更好地利用Arousal-Valence之间的相关性，本文提出了基于稀疏表示的特征选择方法。该方法分别在Arousal维度和Valence维度对图像稀疏特征进行特征选择；然后采用支持向量回归器(SupportVectorRegression,SVR)对Arousal维度和Valence维度分别进行训练和预测；最后采用基于输出相关性的决策级融合方法来利用Arousal和Valence维度之间的相关性，从而进一步改善回归预测的结果。实验结果表明，

7、该方法比用主成分分析法进行特征降维的方法和传统的决策融合方法能取得更好的识别效果。最后，本文设计开发了一套基于Arousal-Valence情感模型的表情识别原型系统。该系统包括表情提取、特征提取、特征选择、特征融合、回归预测、决策融合等模块。测试结果表明该系统能在Arousal-Valence情感模型上对不同的表情进行有效识别。关键词：表情识别，Arousal-Valence情感模型，相关性，MSVR，稀疏表示I重庆邮电大学硕士学位论文AbstractAbstractThedevelopmentofart

8、ificialintelligencewillmakethefuturecomputerhavetheabilityofnotonlyIQbutalsoEQ.Affectivecomputingwhichfocusonmakingcomputeremotionalhasattractedmoreandmoreattentions.Andfacialexpressionrecognitionhasbecomeaho